蜂窝车联网中任务车辆的任务卸载方法及装置

技术领域

本发明涉及蜂窝车联网技术领域，具体涉及一种蜂窝车联网中任务车辆的任务卸载方法及装置。

背景技术

随着车辆数目增加和智能交通服务的发展，车联网对系统计算性能提出了更高的要求。车辆边缘计算(Vehicular edge computing，VEC)系统可以配置路旁单元的服务器(road side unit，RSU)或其他车辆在边缘侧，为计算能力不足的车辆提供计算。在VEC系统中车辆可以将任务卸载给VEC服务器或其他车辆进行辅助计算，以减少任务处理延迟。目前Uu接口的正交资源分配，需要大量的基站覆盖，事实上，由于车联网的高机动性和不确定性，很难保证车辆始终处于基站覆盖范围内，因此车车之间的通信主要通过PC5接口实现。在蜂窝车联网(cellular vehicle-to-everything，C-V2X)中，由于PC接口与Uu接口的差异化特征，即Uu接口是中央正交资源分配，而PC5接口是分布式资源分配，因此会发生资源碰撞，影响任务传输与计算。综上，现有技术的缺点是当前车联网边缘计算系统通信模式大多采用正交接入方案，如正交多址接入方案，需要大量基站覆盖，缺乏无基站覆盖情况下的边缘计算卸载策略，其具有复杂度高、成本高、可适应性差的缺点。

发明内容

本发明的目的在于提供一种考虑PC5接口的传输特性进行任务卸载，进而降低任务处理时延的蜂窝车联网中任务车辆的任务卸载方法及装置，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供一种蜂窝车联网中任务车辆的任务卸载方法，所述蜂窝车联网中，任务车辆通过Uu接口与路旁单元服务器连接，路旁单元服务器连接车辆边缘计算系统服务器；任务车辆通过PC5接口与多个辅助计算车辆连接；所述方法包括：

定义任务卸载到辅助计算车辆与路旁单元服务器的卸载比矩阵，以最小化任务处理总时延为目标，建立任务卸载优化模型；

求解所述任务卸载优化模型，得到最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率；

根据最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率，计算最优卸载比矩阵；

根据最优卸载比矩阵，分配卸载到路旁单元服务器和辅助计算车辆的任务。

优选的，对于卸载到辅助计算车辆的任务，定义评价集为成功传输概率与辅助计算车辆的最大计算频率的乘积，进而使用评价集确定任务在辅助车辆间的卸载的顺序与次序。

优选的，辅助计算车辆在评价集中由大到小进行排序，任务车辆优先卸载任务到顺序高的辅助计算车辆，当前辅助计算车辆的计算能力超过限制时，任务车辆卸载任务到下一个顺序的辅助计算车辆继续进行计算。

优选的，每个任务的处理时延包括两部分，一部分是任务车辆卸载任务到路旁单元服务器的卸载时延和路旁单元服务器对任务的计算时延之和，另一部分是任务车辆卸载任务到辅助计算车辆的卸载时延和辅助计算车辆对任务的计算时延之和，则取较大的和为任务处理总时延。

优选的，计算任务车辆卸载任务到路旁单元服务器的卸载时延包括：计算任务车辆与路旁单元服务器间的任务传输速率；根据计算的任务车辆与路旁单元的任务传输速率，结合任务卸载比矩阵，计算任务从任务车辆卸载到路旁单元服务器的卸载时延。

优选的，计算任务车辆卸载任务到辅助计算车辆的卸载时延包括：

根据任务车辆到辅助计算车辆的数据传输路径损耗、辅助计算车辆的感知功率阈值以及任务车辆到辅助计算车辆的数据发送功率，计算辅助计算车辆的数据包感知概率；

根据多车道的感知系数、感知距离以及半持久性调度算法中选择窗口中的子帧和子通道的数，计算任务车辆到辅助计算车辆的任务成功传输概率；

根据计算的数据包感知概率和任务成功传输概率，计算任务车辆和辅助计算车辆之间的归一化传输速率；

根据归一化传输速率，计算任务车辆卸载任务到辅助计算车辆的卸载时延。

第二方面，本发明提供一种蜂窝车联网中任务车辆的任务卸载装置，包括：

构建模块，用于定义任务卸载到辅助计算车辆与路旁单元服务器的卸载比矩阵，以最小化任务处理总时延为目标，建立任务卸载优化模型；

求解模块，用于求解所述任务卸载优化模型，得到最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率；

计算模块，用于根据最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率，计算最优卸载比矩阵；

分配模块，用于根据最优卸载比矩阵，分配卸载到路旁单元服务器和辅助计算车辆的任务。

第三方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的蜂窝车联网中任务车辆的任务卸载方法。

第四方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现如上所述的蜂窝车联网中任务车辆的任务卸载方法。

第五方面，本发明提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的蜂窝车联网中任务车辆的任务卸载方法的指令。

本发明有益效果：考虑到C-V2X系统的分布式传输与资源半持久性调度特性，提出基于Uu/PC5接口的贪婪卸载算法，针对PC5接口的分布式传输与资源半持久性调度特性建模了PC5接口的任务卸载的成功传输概率，对Uu/PC5接口的卸载策略与通信、计算资源进行联合设计，任务车辆可以将任务通过PC5接口卸载到辅助计算车辆进行任务计算，或者通过Uu接口卸载到VEC服务器进行计算，进而降低任务处理时延；无需密集的基站覆盖，降低了任务卸载与资源分配的复杂度和成本，适应性强。

本发明附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所述的基于车辆边缘计算系统联合Uu接口和PC5接口的蜂窝车联网传输模型。

图2为本发明实施例所述的用于蜂窝车联网边缘计算的联合Uu/PC5接口的任务卸载方法流程图。

图3为本发明实施例所述的在任务数量影响下的任务处理的时延性能图。

图4为本发明实施例所述的在车辆密度影响下的任务处理的时延性能图。

图5为本发明实施例所述的在VEC服务器计算频率限制影响下的任务处理的时延性能图。

具体实施方式

下面详细叙述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。

还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。

本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。

实施例1

本实施例1中提供一种蜂窝车联网中任务车辆的任务卸载装置，包括：

构建模块，用于定义任务卸载到辅助计算车辆与路旁单元服务器的卸载比矩阵，以最小化任务处理总时延为目标，建立任务卸载优化模型；

求解模块，用于求解所述任务卸载优化模型，得到最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率；

计算模块，用于根据最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率，计算最优卸载比矩阵；

分配模块，用于根据最优卸载比矩阵，分配卸载到路旁单元服务器和辅助计算车辆的任务。

本实施例1中，利用上述的装置实现了蜂窝车联网中任务车辆的任务卸载方法，所述蜂窝车联网中，任务车辆通过Uu接口与路旁单元服务器连接，路旁单元服务器连接车辆边缘计算系统服务器；任务车辆通过PC5接口与多个辅助计算车辆连接。所述方法包括如下步骤：

通过构建模块，定义任务卸载到辅助计算车辆与路旁单元服务器的卸载比矩阵，以最小化任务处理总时延为目标，建立了任务卸载优化模型；

利用求解模块，求解所述任务卸载优化模型，得到最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率；

利用计算模块，根据最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率，计算最优卸载比矩阵；

最后，利用分配模块根据最优卸载比矩阵，分配卸载到路旁单元服务器和辅助计算车辆的任务。

其中，对于卸载到辅助计算车辆的任务，定义评价集为成功传输概率与辅助计算车辆的最大计算频率的乘积，进而使用评价集确定任务在辅助车辆间的卸载的顺序与次序。其中，辅助计算车辆在评价集中由大到小进行排序，任务车辆优先卸载任务到顺序高的辅助计算车辆，当前辅助计算车辆的计算能力超过限制时，任务车辆卸载任务到下一个顺序的辅助计算车辆继续进行计算。

构建任务卸载模型中，每个任务的处理时延包括两部分，一部分是任务车辆卸载任务到路旁单元服务器的卸载时延和路旁单元服务器对任务的计算时延之和，另一部分是任务车辆卸载任务到辅助计算车辆的卸载时延和辅助计算车辆对任务的计算时延之和，则取较大的和为任务处理总时延。

具体的，计算任务车辆卸载任务到路旁单元服务器的卸载时延包括：计算任务车辆与路旁单元服务器间的任务传输速率；根据计算的任务车辆与路旁单元的任务传输速率，结合任务卸载比矩阵，计算任务从任务车辆卸载到路旁单元服务器的卸载时延。

计算任务车辆卸载任务到辅助计算车辆的卸载时延包括：

根据任务车辆到辅助计算车辆的数据传输路径损耗、辅助计算车辆的感知功率阈值以及任务车辆到辅助计算车辆的数据发送功率，计算辅助计算车辆的数据包感知概率；

根据多车道的感知系数、感知距离以及半持久性调度算法中选择窗口中的子帧和子通道的数，计算任务车辆到辅助计算车辆的任务成功传输概率；

根据计算的数据包感知概率和任务成功传输概率，计算任务车辆和辅助计算车辆之间的归一化传输速率；

根据归一化传输速率，计算任务车辆卸载任务到辅助计算车辆的卸载时延。

实施例2

本实施例2中，首先提供针对基于车辆边缘计算系统联合Uu接口和PC5接口的蜂窝车联网传输模型的任务卸载装置，该装置配置于任务车辆中，利用该装置实现任务车辆的任务卸载的分配。

本实施例2中，在所述蜂窝车联网传输模型中，其中单个RSU与VEC服务器连接。RSU与VEC服务器相连接，RSU配备通信模块，可以与车辆进行通信与数据传输，VEC服务器可以提供计算资源辅助车辆任务计算。车辆可以分为两种类型：第一种是任务车辆，生成一系列任务需要计算，需要更多的计算能力；第二种类型是辅助计算车辆，一般为提供运输服务的车辆，如公交车和出租车，并可以部署微计算服务器，辅助任务车辆进行计算，辅助计算车辆可以表示为N＝{1,2,...,N}。两种类型车辆配备有传输模块和计算模块，传输模块包括Uu接口和PC5接口，Uu接口用以车辆与RSU进行数据通信，PC5接口用以车辆与车辆进行数据通信，计算模块可以用于处理接收到的任务。任务车辆通过Uu接口将任务部分卸载到VEC服务器进行计算，通过PC5接口将任务另外部分卸载给辅助计算车辆进行计算。计算完成后，VEC服务器和辅助计算车辆将计算结果返回给任务车辆。

本实施2中，刻画PC5接口的成功传输速率，在C-V2X架构下设计联合Uu接口和PC5接口的卸载策略与资源分配，降低任务处理时延。任务车辆生成M个任务，表示为M∈{1,2,...,M}，任务的数据大小表示为L

本实施例2中，任务卸载装置，包括：构建模块，用于定义任务卸载到辅助计算车辆与路旁单元服务器的卸载比矩阵，以最小化任务处理总时延为目标，建立任务卸载优化模型；求解模块，用于求解所述任务卸载优化模型，得到最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率；计算模块，用于根据最优的路旁单元服务器计算频率、最优的辅助计算车辆的计算频率、任务车辆与辅助计算车辆间的数据包发送频率，计算最优卸载比矩阵；分配模块，用于根据最优卸载比矩阵，分配卸载到路旁单元服务器和辅助计算车辆的任务。

本实施例2中，定义卸载比矩阵为α，其中矩阵的元素为α

利用上述装置进行任务卸载时，建立了通信模型与计算模型，对Uu接口和PC5接口的任务处理时延进行建模，通信方式分为Uu接口和PC5接口两种，Uu接口为车辆与RSU之间的通信接口。PC5接口为车与车之间通信接口。

对于Uu接口：Uu接口通过正交频分多址接入技术(Orthogonal FrequencyDivisionMultipleAccess，OFDMA)进行信道接入，任务车辆与RSU之间的第m个任务的传输速率为：

其中g

第m个任务从任务车辆卸载到VEC服务器的卸载时延为：

对于PC5接口：任务车辆的PC5接口的数据包发送频率表示为λ，表示任务车辆每秒传输的数据包数。其中发射频率是可以自适应调节的，任务车辆的实际发射频率小于理想的香农信道容量，即

其中PL(d)是路径损耗，

其中K为考虑多车道的转换系数，d

P

任务成功传输概率会进一步影响任务的传输速率，因此任务车辆和第n个辅助计算车辆之间第m个任务的归一化传输速率为：

第m个任务的卸载部分从任务车辆卸载到第n个辅助计算车辆的时延为

对于计算模型，任务车辆的第m个任务的计算量用C

第m个任务在在第n个辅助计算车辆的计算时延为：

基于上述的通信模型与计算模型，建立以最小任务处理时延为目标同时满足Uu接口和PC5接口的通信、计算资源约束和卸载因子约束的优化问题，即任务卸载优化模型。

由于任务车辆采用部分卸载，每个任务的处理时延包括两部分，一部分是任务车辆卸载到VEC服务器的卸载时延和计算时延之和，另一部分是任务车辆卸载到辅助计算车辆的卸载时延和计算时延之和，第m个任务的总体处理时延是两者之间较大的时延，表示为：

联合优化PC5接口的数据包传输频率λ，VEC服务器频率f

subject to L

λ∈(0,λ

其中λ

将上述建立的优化问题分解为资源分配子问题和卸载分配子问题，并进行求解，具体包括如下：

当传输到VEC服务器和辅助计算车辆的任务处理时延相同时，即

由于变量耦合的存在，问题(12)是非凸的，因此将问题分解为资源分配子问题和卸载分配子问题，从而实现资源分配变量的解耦。

资源分配子问题为：

subject to(10a),(10b),(10c),(10d),(10h)

由凸优化理论，问题(13)是凸函数，可以使用KKT条件进行求解，问题(13)的部分拉格朗日函数可以表示为

其中对偶变量为η，ζ和ψ，由KKT条件，求解问题(13)的最优的VEC服务器和第n个辅助计算车辆的计算频率分别为

通过式(15)和(16)，当对偶变量ζ和ψ

对于包发送频率λ，由于其不与其他优化变量耦合，因此可以独立于资源分配子问题求解。

subject to(10a),(10b)

由包发送频率的约束可得λ∈(0,λ

对于对偶变量更新，根据通过迭代更新的对偶变量η，ζ和ψ和优化变量λ，f

对于卸载分配子问题，通过计算

其中，

最终，根据任务部分卸载到辅助计算车辆与VEC服务器的比例，进行任务的卸载分配。任务的一部分通过PC5接口卸载到辅助计算车辆进行计算，另一部分卸载到VEC服务器进行计算。对于卸载到辅助计算车辆的任务部分，要考虑PC5接口的SL链路的影响，定义评价集为成功传输概率与辅助计算车辆的最大计算频率的乘积，即

实施例3

本实施例3中，针对C-V2X边缘计算系统下，传统卸载策略没有考虑PC5接口分布式传输特性与半持久性调度，从而缺乏C-V2X系统的有效卸载策略的问题进行改进的问题，提出基于Uu/PC5接口的贪婪卸载算法，设计了一种适用于C-V2X边缘计算系统的Uu/PC5接口的联合卸载策略，对通信和计算资源进行优化，保证C-V2X边缘计算系统的任务时延要求，实现了用于车路协同的车辆辅助的边缘计算任务分配方法，

本实施例3中，所述的用于车路协同的车辆辅助的边缘计算任务分配方法具体包括下列步骤：

(一)建立C-V2X边缘计算系统架构。

如图1所示为多个车辆与单个RSU协作的车路协同边缘计算系统，其中单个RSU与VEC服务器连接。RSU与VEC服务器相连接，RSU配备通信模块，可以与车辆进行通信与数据传输，VEC服务器可以提供计算资源辅助车辆任务计算。车辆可以分为两种类型：第一种是任务车辆，生成一系列任务需要计算，需要更多的计算能力；第二种类型是辅助计算车辆，一般为提供运输服务的车辆，如公交车和出租车，并可以部署微计算服务器，辅助任务车辆进行计算，辅助计算车辆可以表示为N＝{1,2,...,N}。两种类型车辆配备有传输模块和计算模块，传输模块包括Uu接口和PC5接口，Uu接口用以车辆与RSU进行数据通信，PC5接口用以车辆与车辆进行数据通信，计算模块可以用于处理接收到的任务。任务车辆通过Uu接口将任务部分卸载到VEC服务器进行计算，通过PC5接口将任务另外部分卸载给辅助计算车辆进行计算。计算完成后，VEC服务器和辅助计算车辆将计算结果返回给任务车辆。本发明刻画PC5接口的成功传输速率，在C-V2X架构下设计联合Uu接口和PC5接口的卸载策略与资源分配，降低任务处理时延。

任务车辆生成M个任务，表示为M∈{1,2,...,M}，任务的数据大小表示为L

本步骤可以达到的技术效果为完成了C-V2X边缘计算系统内的各部分实体模块(任务车辆，辅助计算车辆，RSU，VEC计算单元)的功能构建，推导出任务车辆的任务处理流程。

(二)建立通信模型与计算模型，对Uu接口和PC5接口的任务处理时延进行建模。通信方式分为Uu接口和PC5接口两种，Uu接口:车辆与RSU之间的通信接口。PC5接口:车与车之间通信接口。

对于Uu接口：Uu接口通过正交频分多址接入技术(Orthogonal FrequencyDivision Multiple Access，OFDMA)进行信道接入，任务车辆与RSU之间的第m个任务的传输速率

其中g

第m个任务从任务卸载到VEC服务器的卸载时延为

对于PC5接口：任务车辆的PC5接口的数据包发送频率表示为λ，表示任务车辆每秒传输的数据包数。其中发射频率是可以自适应调节的，任务车辆的实际发射频率小于理想的香农信道容量，即

其中PL(d)是路径损耗，

其中K为考虑多车道的转换系数，d

P

任务成功传输概率会进一步影响任务的传输速率，因此任务车辆和第n个辅助计算车辆之间第m个任务的归一化传输速率为

第m个任务的卸载部分从任务车辆卸载到第n个辅助计算车辆的时延为

对于计算模型，任务车辆的第m个任务的计算量用C

第m个任务在在第n个辅助计算车辆的计算时延为

本步骤(二)可以达到的技术效果为通过对C-V2X边缘计算系统的通信模型与计算模型构建，具体来说建立Uu接口的传输速率和PC5接口的成功传输概率和传输速率，进而推导出任务通过Uu和PC5两种接口进行卸载的任务处理时延。

(三)建立以最小任务处理时延为目标同时满足Uu接口和PC5接口的通信、计算资源约束和卸载因子约束的优化问题。

由于任务车辆采用部分卸载，每个任务的处理时延包括两部分，一部分是任务车辆卸载到VEC服务器的卸载时延和计算时延之和，另一部分是任务车辆卸载到辅助计算车辆的卸载时延和计算时延之和，第m个任务的总体处理时延是两者之间较大的时延，表示为

联合优化PC5接口的数据包传输频率λ，VEC服务器频率f

subject to L

λ∈(0,λ

其中λ

本步骤(三)可以达到的技术效果为建模了任务总体处理时延和系统内资源约束，进而推导出了任务时延最小化问题。

(四)将步骤3建立的优化问题分解为资源分配子问题和卸载分配子问题，并进行求解。

当传输到VEC服务器和辅助计算车辆的任务处理时延相同时，即

由于变量耦合的存在，问题(12)是非凸的，因此将问题分解为资源分配子问题和卸载分配子问题，从而实现资源分配变量的解耦。

资源分配子问题为：

subject to(10a),(10b),(10c),(10d),(10h)

由凸优化理论，问题(13)是凸函数，可以使用KKT条件进行求解，问题(13)的部分拉格朗日函数可以表示为

其中对偶变量为η，ζ和ψ，由KKT条件，求解问题(13)的最优的VEC服务器和第n个辅助计算车辆的计算频率分别为

通过式(15)和(16)，当对偶变量ζ和ψ

对于包发送频率λ，由于其不与其他优化变量耦合，因此可以独立于资源分配子问题求解。

subject to(10a),(10b)

由包发送频率的约束可得λ∈(0,λ

对于对偶变量更新，根据通过迭代更新的对偶变量η，ζ和ψ和优化变量λ，f

对于卸载分配子问题，通过计算

其中

本步骤(四)可以达到的技术效果为将步骤三的问题分解为两个子问题，在资源分配子问题中推导出PC5接口的包发送频率，和辅助计算车辆与VEC服务器的计算频率；在卸载卸载分配子问题中推导出卸载矩阵的比值。

(五)建立基于Uu/PC5接口的贪婪卸载算法。

对于卸载算法，任务车辆的每个任务采用部分卸载，任务的一部分通过PC5接口卸载到辅助计算车辆进行计算，另一部分卸载到VEC服务器进行计算。对于卸载到辅助计算车辆的任务部分，要考虑PC5接口的SL链路的影响，定义评价集为成功传输概率与辅助计算车辆的最大计算频率的乘积，即

本步骤(五)可以达到的技术效果为基于步骤四推导的资源分配与卸载分配的结果，推导出基于Uu/PC5接口的贪婪卸载算法。

(六)任务车辆根据基于Uu/PC5接口的贪婪卸载算法，将任务通过Uu接口和PC5接口卸载到VEC服务器或者辅助计算车辆进行计算，计算完成后将结果发送回任务车辆。本步骤可以达到的技术效果为执行基于Uu/PC5接口的贪婪卸载算法，任务通过Uu接口和PC5接口卸载到VEC服务器或者辅助计算车辆进行计算，完成任务计算，进而结果回传到任务车辆。

不失一般性地，为验证所提方法可以降低任务处理的任务处理时延，以表1参数配置为例，说明该发实施例所述的任务卸载方法的效果。

图1为本实施例中建立的C-V2X边缘计算系统架构图。其中部署单个RSU与VEC服务器连接，任务车辆有大量计算任务需要处理，任务车辆根据基于Uu/PC5接口的贪婪卸载算法将任务的部分卸载到辅助计算车辆进行计算，另一部分卸载到VEC服务器进行计算，计算完成后将结果发送回任务车辆。

图2为本实施例中联合资源分配和卸载算法选择的方法流程图。该方法首先求解资源分配子问题，计算最优的任务车辆包发送频率，辅助计算车辆和VEC服务器的CPU计算频率，和卸载比矩阵的比例，然后求解和卸载分配子问题，利用贪婪搜索算法得到卸载矩阵的因子，即卸载策略，进而最小化任务处理时延。

表1仿真参数表

在如表1所示的仿真参数设置下，设置了VEC服务器计算方案，辅助计算车辆计算方案，和正交分配卸载计算方案三种对比方案与本说明提出的方法进行性能比较。进行仿真，得到本发明方案在任务数量影响下的任务处理的时延性能图，在车辆密度的影响下的任务处理的时延性能图和在VEC服务器计算频率限制影响下的任务处理的时延性能图，分别如图3、图4和图5所示。

图3表示在任务数量影响下的任务处理的时延性能图，由图可知可以观察到本发明方案与VEC服务器计算方案，辅助计算车辆计算方案，和正交分配卸载计算方案相比，可以实现更低的任务处理时延。在任务数量增加时，由于系统资源限制，任务处理时延随着任务数量的增加而增加。

图4表示在车辆密度影响下的任务处理的时延性能图。可以观察到本发明方案和正交分配卸载计算方案比VEC服务器计算方案和辅助计算车辆计算方案具有更低的任务处理时延，体现了部分卸载的优势。此外，随着车辆密度的增加，本发明方案、正交分配卸载计算方案和辅助计算车辆计算方案的任务处理时延也相应增加。当车辆密度大于0.11时，本发明方案的任务处理时延大于正交分配卸载计算方案，这是因为成功传输概率随着车辆密度的增加而减小，因此高车辆密度情况下采用正交分配卸载计算方案更适用。

图5表示在VEC服务器计算频率限制影响下的任务处理的时延性能图。本发明方案相比于VEC服务器计算方案，辅助计算车辆计算方案，和正交分配卸载计算方案可以实现更低的任务处理时延。另外，辅助计算车辆计算方案的系统时延不随VEC服务器计算频率的变化而变化。随着VEC服务器计算频率的增加，本发明方案、交分配卸载计算方案和VEC服务器计算方案的任务处理时延相应减少，而且，随着计算频率的增加，由于无线资源的限制这三种方案的任务处理时延趋于稳定。

实施例4

本发明实施例4提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现蜂窝车联网中任务车辆的任务卸载方法。

实施例5

本发明实施例5提供一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现蜂窝车联网中任务车辆的任务卸载方法。

实施例6

本发明实施例6提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现蜂窝车联网中任务车辆的任务卸载方法的指令。

综上所述，本发明实施例所述的用于蜂窝车联网边缘计算的联合Uu/PC5接口的任务卸载方法。研究了蜂窝车联网(cellular vehicle-to-everything，C-V2X)边缘计算系统中任务车辆通过Uu接口与PC5接口进行任务卸载的差异化特征，针对C-V2X系统的分布式传输与资源半持久性调度特性建模了PC5接口的任务卸载的成功传输概率，设计了联合Uu接口与PC5接口的任务卸载方法。本发明以最小化任务处理的时延为目标，优化设计PC5接口的卸载比矩阵和包发送频率，优化辅助计算车辆和VEC服务器的计算资源分配，设计任务卸载方法。将任务处理时延最小化问题分解为资源分配和卸载策略子问题，提出了一种基于Uu/PC5接口的贪婪卸载算法。对于资源分配子问题，设计PC5接口的最优的包发送频率和车辆、VEC服务器的CPU计算频率。对于卸载策略子问题，通过提出的PC5-GO算法得到卸载比矩阵和任务卸载方案。基于任务卸载方法，任务车辆可以将任务通过PC5接口卸载到辅助计算车辆进行任务计算，或者通过Uu接口卸载到VEC服务器进行计算。本发明有效完成了任务卸载方法，降低了蜂窝车联网边缘计算系统的任务处理时延。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。